Bucketizer¶
-
类
pyspark.ml.feature。
Bucketizer
( *,分裂:可选(列表(浮动]]=没有一个,inputCol:可选(str]=没有一个,outputCol:可选(str]=没有一个,handleInvalid:str=“错误”,splitsArray:可选(列表(列表(浮动]]]=没有一个,inputCols:可选(列表(str]]=没有一个,outputCols:可选(列表(str]]=没有一个 ) ¶ -
一列连续特性映射到列桶的特性。3.0.0以来,
Bucketizer
一次可以映射多个列通过设置inputCols
参数。注意,当这两个inputCol
和inputCols
参数设置,就会抛出一个异常。的分裂
参数是只用于单一列使用,splitsArray
是多个列。例子
> > >值=((0.1,0.0),(0.4,1.0),(1.2,1.3),(1.5,浮动(“南”)),…(浮动(“南”),1.0),(浮动(“南”),0.0)]> > >df=火花。createDataFrame(值,(“values1”,“values2”])> > >bucketizer=Bucketizer()> > >bucketizer。setSplits([- - - - - -浮动(“正”),0.5,1.4,浮动(“正”)))Bucketizer……> > >bucketizer。setInputCol(“values1”)Bucketizer……> > >bucketizer。setOutputCol(“桶”)Bucketizer……> > >桶=bucketizer。setHandleInvalid(“保持”)。变换(df)。收集()> > >桶=bucketizer。setHandleInvalid(“保持”)。变换(df。选择(“values1”))> > >桶。显示(截断=假)+ - - - - - - - - - - - - - - +| values1 | |+ - - - - - - - - - - - - - - +| 0.1 | 0.0 || 0.4 | 0.0 || 1.2 | 1.0 || 1.5 | 2.0 ||南| 3.0 ||南| 3.0 |+ - - - - - - - - - - - - - - +…> > >bucketizer。setparam(outputCol=“b”)。变换(df)。头()。b0.0> > >bucketizerPath=temp_path+“/ bucketizer”> > >bucketizer。保存(bucketizerPath)> > >loadedBucketizer=Bucketizer。负载(bucketizerPath)> > >loadedBucketizer。getSplits()= =bucketizer。getSplits()真正的> > >loadedBucketizer。变换(df)。取(1)= =bucketizer。变换(df)。取(1)真正的> > >桶=bucketizer。setHandleInvalid(“跳过”)。变换(df)。收集()> > >len(桶)4> > >bucketizer2=Bucketizer(splitsArray=…[[- - - - - -浮动(“正”),0.5,1.4,浮动(“正”)),(- - - - - -浮动(“正”),0.5,浮动(“正”)]],…inputCols=(“values1”,“values2”),outputCols=(“buckets1”,“buckets2”])> > >bucketed2=bucketizer2。setHandleInvalid(“保持”)。变换(df)> > >bucketed2。显示(截断=假)+ - - - - - - - - - - - - - - + - - - - - - - - - - - - - - - - - - - - +| values1 | values2 | buckets1 | buckets2 |+ - - - - - - - - - - - - - - + - - - - - - - - - - - - - - - - - - - - +| 0.1 | 0.0 | 0.0 | 0.0 || 0.4 | 1.0 | 0.0 | 1.0 || 1.2 | 1.3 | 1.0 | 1.0 || 1.5 |南| 2.0 | 2.0 ||南| 1.0 | 3.0 | 1.0 ||南| 0.0 | 3.0 | 0.0 |+ - - - - - - - - - - - - - - + - - - - - - - - - - - - - - - - - - - - +…
方法
清晰的
(参数)清除参数映射的参数是否被显式地设置。
复制
((额外的))创建这个实例的副本具有相同uid和一些额外的参数。
explainParam
(参数)解释一个参数并返回它的名字,医生,和可选的默认值,用户提供的字符串值。
返回文档的所有参数选择默认值和用户提供的值。
extractParamMap
((额外的))提取嵌入默认参数值和用户提供的值,然后合并他们额外的值从输入平面参数映射,后者使用价值如果存在冲突,即。排序:默认参数值< <额外的用户提供的值。
得到的价值handleInvalid或其默认值。
得到的价值inputCol或其默认值。
得到的价值inputCols或其默认值。
getOrDefault
(参数)得到参数的值在用户提供的参数映射或其默认值。
得到的价值outputCol或其默认值。
得到的价值outputCols或其默认值。
getParam
(paramName)通过它的名称参数。
得到的值阈值或其默认值。
获取数组分割点或其默认值。
hasDefault
(参数)检查是否一个参数有默认值。
hasParam
(paramName)测试这个实例包含一个参数是否与给定名称(字符串)。
isDefined
(参数)检查参数是否由用户或显式地设置一个默认值。
收取
(参数)检查参数是否由用户显式地设置。
负载
(路径)从输入路径,读取一个毫升实例的快捷方式read () .load(路径)。
读
()返回一个MLReader这个类的实例。
保存
(路径)这个毫升实例保存到给定的路径,一个快捷方式的“写().save(路径)。
集
(参数值)设置一个参数嵌入参数映射。
设置的值
handleInvalid
。setInputCol
(值)设置的值
inputCol
。setInputCols
(值)设置的值
inputCols
。setOutputCol
(值)设置的值
outputCol
。设置的值
outputCols
。setparam
(自我,\[,分裂,inputCol,…))为这个Bucketizer设置参数。
setSplits
(值)设置的值
分裂
。设置的值
splitsArray
。变换
(数据集[params))与可选参数转换的输入数据集。
写
()返回一个MLWriter实例毫升实例。
属性
返回所有参数命令的名字。
方法的文档
-
清晰的
( 参数:pyspark.ml.param.Param )→没有¶ -
清除参数映射的参数是否被显式地设置。
-
复制
( 额外的:可选(ParamMap]=没有一个 )→摩根大通¶ -
创建这个实例的副本具有相同uid和一些额外的参数。这个实现第一次调用参数。复制和then make a copy of the companion Java pipeline component with extra params. So both the Python wrapper and the Java pipeline component get copied.
- 参数
-
- 额外的 东西,可选
-
额外参数复制到新实例
- 返回
-
-
JavaParams
-
这个实例的副本
-
-
explainParam
( 参数:联盟(str,pyspark.ml.param.Param] )→str¶ -
解释一个参数并返回它的名字,医生,和可选的默认值,用户提供的字符串值。
-
explainParams
( )→str¶ -
返回文档的所有参数选择默认值和用户提供的值。
-
extractParamMap
( 额外的:可选(ParamMap]=没有一个 )→ParamMap¶ -
提取嵌入默认参数值和用户提供的值,然后合并他们额外的值从输入平面参数映射,后者使用价值如果存在冲突,即。排序:默认参数值< <额外的用户提供的值。
- 参数
-
- 额外的 东西,可选
-
额外的参数值
- 返回
-
- dict
-
合并后的参数映射
-
getHandleInvalid
( )→str¶ -
得到的价值handleInvalid或其默认值。
-
getInputCol
( )→str¶ -
得到的价值inputCol或其默认值。
-
getInputCols
( )→列表(str] ¶ -
得到的价值inputCols或其默认值。
-
getOrDefault
( 参数:联盟(str,pyspark.ml.param.Param(T]] )→联盟(任何,T] ¶ -
得到参数的值在用户提供的参数映射或其默认值。如果没有设置提出了一个错误。
-
getOutputCol
( )→str¶ -
得到的价值outputCol或其默认值。
-
getOutputCols
( )→列表(str] ¶ -
得到的价值outputCols或其默认值。
-
getParam
( paramName:str )→pyspark.ml.param.Param ¶ -
通过它的名称参数。
-
getSplits
( )→列表(浮动] ¶ -
得到的值阈值或其默认值。
-
getSplitsArray
( )→列表(列表(浮动] ] ¶ -
获取数组分割点或其默认值。
-
hasDefault
( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool¶ -
检查是否一个参数有默认值。
-
hasParam
( paramName:str )→bool¶ -
测试这个实例包含一个参数是否与给定名称(字符串)。
-
isDefined
( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool¶ -
检查参数是否由用户或显式地设置一个默认值。
-
收取
( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool¶ -
检查参数是否由用户显式地设置。
-
classmethod
负载
( 路径:str )→RL¶ -
从输入路径,读取一个毫升实例的快捷方式read () .load(路径)。
-
classmethod
读
( )→pyspark.ml.util.JavaMLReader(RL] ¶ -
返回一个MLReader这个类的实例。
-
保存
( 路径:str )→没有¶ -
这个毫升实例保存到给定的路径,一个快捷方式的“写().save(路径)。
-
集
( 参数:pyspark.ml.param.Param,价值:任何 )→没有¶ -
设置一个参数嵌入参数映射。
-
setHandleInvalid
( 价值:str )→pyspark.ml.feature.Bucketizer ¶ -
设置的值
handleInvalid
。
-
setInputCol
( 价值:str )→pyspark.ml.feature.Bucketizer ¶ -
设置的值
inputCol
。
-
setInputCols
( 价值:列表(str] )→pyspark.ml.feature.Bucketizer ¶ -
设置的值
inputCols
。
-
setOutputCol
( 价值:str )→pyspark.ml.feature.Bucketizer ¶ -
设置的值
outputCol
。
-
setOutputCols
( 价值:列表(str] )→pyspark.ml.feature.Bucketizer ¶ -
设置的值
outputCols
。
-
setparam
( 自我,\ *,分裂=没有,inputCol =没有,outputCol =没有,handleInvalid = "错误",splitsArray =没有,inputCols =没有,outputCols =没有 ) ¶ -
为这个Bucketizer设置参数。
-
setSplits
( 价值:列表(浮动] )→pyspark.ml.feature.Bucketizer ¶ -
设置的值
分裂
。
-
setSplitsArray
( 价值:列表(列表(浮动]] )→pyspark.ml.feature.Bucketizer ¶ -
设置的值
splitsArray
。
-
变换
( 数据集:pyspark.sql.dataframe.DataFrame,参数个数:可选(ParamMap]=没有一个 )→pyspark.sql.dataframe.DataFrame¶ -
与可选参数转换的输入数据集。
- 参数
-
-
数据集
pyspark.sql.DataFrame
-
输入数据集
- 参数个数 东西,可选
-
一个可选的参数覆盖嵌入参数的地图。
-
数据集
- 返回
-
-
pyspark.sql.DataFrame
-
改变了数据集
-
-
写
( )→pyspark.ml.util.JavaMLWriter¶ -
返回一个MLWriter实例毫升实例。
属性的文档
-
handleInvalid
:pyspark.ml.param.Param (str) =参数(父母=‘定义’,name = ' handleInvalid ', doc = "如何处理无效的条目包含NaN值。值之外的分裂将永远被视为错误。选择“跳过”(过滤掉行无效值),“错误”(抛出一个错误),或“保持”(无效值保存在一个特殊的附加桶)。注意,在多个列情况下,无效的处理是适用于所有列。说的“错误”,它将抛出一个错误如果任何列中发现任何问题,对于“跳过”它会跳过行中与任何问题的任何列等)。” ¶
-
inputCol
=参数(父母=‘定义’,name = ' inputCol ', doc =输入列名称。) ¶
-
inputCols
=参数(父母=‘定义’,name = ' inputCols ', doc =输入列名称。) ¶
-
outputCol
=参数(父母=‘定义’,name = ' outputCol ', doc =输出列名称。) ¶
-
outputCols
=参数(父母=‘定义’,name = ' outputCols ', doc =输出列名称。) ¶
-
参数个数
¶ -
返回所有参数命令的名字。默认实现使用
dir ()
所有的属性类型参数
。
-
分裂
:pyspark.ml.param.Param列表(浮动) =参数(父母=‘定义’,name = '分裂',doc = '分割点连续特性映射到桶中。n + 1分裂,有n个桶。一桶由分裂x, y值在范围内(x, y)除了最后一桶,其中还包括y。分裂应该长度> = 3,严格增加。值在无穷,正必须显式地提供涵盖所有双值;否则,将指定以外的值将被视为错误。”) ¶
-
splitsArray
:pyspark.ml.param.Param(列表(列表(浮动))) =参数(父母=‘定义’,name = ' splitsArray ', doc = '数组分割点连续映射特性为多个列桶。对于每个输入列,n + 1分裂,有n个桶。一桶由分裂x, y值在范围内(x, y)除了最后一桶,其中还包括y。分裂应该长度> = 3,严格增加。值在无穷,正必须显式地提供涵盖所有双值;否则,将指定以外的值将被视为错误。”) ¶
-